歩行基盤モデルは3Dの骨格運動から多系統の健康表現型を予測する

arXiv cs.AI / 2026/3/27

💬 オピニオンSignals & Early TrendsIdeas & Deep AnalysisModels & Research

共有:

要点

本研究では、深度カメラで捉えた3D骨格運動を用いて、5つの運動課題にまたがる3,414人の深い表現型付けが施された成人から学習する歩行基盤モデルを提案し、歩行を単一疾患の症状ではなく全身性バイオマーカーとして扱うことを目指す。
学習された歩行埋め込みは、人手で設計した特徴量を上回り、年齢（r = 0.69）、BMI（r = 0.90）、内臓脂肪面積（r = 0.82）を強く予測する。
このモデルの埋め込みは、3,210の表現型ターゲットのうち1,980に対して有意に予測し、さらに年齢、BMI、VAT、身長で調整した後も、評価したほぼすべての身体システムで独立した予測上乗せ効果を示す（男性18系統、女性17系統）。
解剖学的アブレーションの結果は身体領域ごとの専門化を示唆する。すなわち、脚部は代謝および虚弱関連の予測を担い、体幹は睡眠やライフスタイルの表現型に関連する情報を保持している。
著者らは、歩行をスケーラブルで受動的なバイタルサインとして位置づけ、一般消費者向けグレードの動画への展開や、より広範な健康モニタリングのワークフローへの統合に向けた翻訳可能性を強調している。

概要: 歩行は重要なバイタルサインとしてますます認識されている一方で、現在のアプローチではそれを全身性のバイオマーカーというより、特定の病理の症状として扱っている。本研究では、5つの運動課題の間に深度カメラで記録した、深い表現型付け（deeply phenotyped）を施した3,414人の成人から、3D骨格運動のための歩行基盤モデルを開発した。学習された埋め込みは設計された特徴量（engineered features）を上回り、年齢（Pearson r = 0.69）、BMI（r = 0.90）、内臓脂肪面積（r = 0.82）を予測できた。埋め込みは3,210の表現型ターゲットのうち1,980に対して有意に予測力を示した。年齢、BMI、VAT（内臓脂肪面積）、身長で調整した後でも、歩行は男性では18の全身体システムに、女性では18のうち17において独立した改善効果をもたらし、臨床診断および服薬の予測も向上させた。解剖学的アブレーションにより、脚が代謝および虚弱（frailty）予測を支配している一方、体幹は睡眠および生活様式の表現型を符号化していることが明らかになった。これらの知見は、歩行を独立した多システムのバイオシグナルとして確立し、一般消費者向けの動画への応用と、それをスケーラブルで受動的なバイタルサインとして統合することを後押しする。